Silmäile

 
Hakuohje

Osuva

Osuva on Vaasan yliopiston avoin julkaisuarkisto. Osuva sisältää Vaasan yliopiston omat julkaisut, opinnäytteet ja tieteellisten artikkeleiden rinnakkaistallenteet. Osuvaan sisältyy julkaisujen viitetietoja, tiivistelmiä ja kokotekstejä. Sähköisten arkistokokoelmien sisältö ei ole luettavissa verkossa.

Kokoelmat Osuvassa

Viimeksi tallennetut

”Varmaan niitä vaihtoehtoja on hyvä miettiä” : Ilmastonmuutokseen sopeutumisesta viestiminen tutkimuksen, median ja kansalaisten silmin
Perälä, Annu (Vaasan yliopisto, 2025-10-03)
Artikkeliväitöskirja
Ilmastonmuutos muuttaa yhteiskuntia ja edellyttää laaja-alaista sopeutumista. Demokraattisissa yhteiskunnissa kansalaiset ovat keskeisiä ilmastotyössä erityisesti sosiaalisen ja poliittisen muutoksen edistäjinä tai vastavoimina. Tässä väitöskirjassa tarkastellaan sopeutumisviestintää eli ilmastonmuutokseen sopeutumisesta viestimistä instituutioiden ja kansalaisten välillä. Tutkimus kohdistuu erityisesti niihin merkityksiin, joita sopeutumisviestintä saa akateemisessa kirjallisuudessa, mediajulkisuudessa ja kansalaisten tulkinnoissa. Tavoitteena on laajentaa ymmärrystä sopeutumisviestinnästä ilmiönä. Väitöskirja koostuu neljästä artikkelista ja yhteenveto-osuudesta. Ensimmäinen artikkeli on kirjallisuuskatsaus, jossa analysoidaan, millaiseksi sopeutumisviestintä ymmärretään ilmastoviestinnän tutkimuksessa. Toisessa artikkelissa tarkastellaan, miten ilmastonmuutokseen sopeutuminen esitetään journalistisessa mediassa. Kolmannessa ja neljännessä artikkelissa selvitetään fokusryhmäkeskustelujen avulla, miten kansalaiset tulkitsevat ja merkityksellistävät kaupungin sopeutumisviestintää. Kolmannessa artikkelissa tuloksia tulkitaan kansalaisten osallistumisen näkökulmasta ja neljännessä suhteessa sopeutumisviestinnälle kirjallisuudessa asetettuihin tavoitteisiin. Kaikissa artikkeleissa on hyödynnetty laadullista sisällönanalyysia. Tulosten perusteella sopeutumisviestintää luonnehtii neljä ulottuvuutta. Ensinnäkin aihe on uusi, joten viestinnältä odotetaan informatiivista otetta. Toiseksi ilmastonmuutokseen sopeutuminen ymmärretään usein paikalliseksi ilmiöksi. Tämän on nähty tarjoavan mahdollisuuden kansalaisten puhuttelemiseen, mutta empiiriset tulokset osoittavat, että paikalliset ilmastovaikutukset ja niiden merkitys herättävät kriittistä keskustelua. Kolmanneksi sopeutumisen asema ja rooli ilmastotyössä voidaan tulkita eri tavoin: se voidaan nähdä sekä järkevänä ja tarpeellisena että reaktiivisena ja ilmastonmuutoksen juurisyyt sivuuttavana. Neljänneksi tarkastellut esimerkit sopeutumisviestinnästä ilmensivät perinteistä sopeutumiskäsitystä, jossa painottuivat yksilöitävät toimet tiettyä uhkaa vastaan. Väitöskirjan johtopäätöksissä pohditaan tulosten yhteiskunnallista merkitystä ja soveltamista ilmastoviestintään.
Edge-PRUNE : A Dataflow-Based Framework for Distributed Signal Processing and Machine Learning
Boutellier , Jani; Tan, Bo; Nurmi, Jari; Bhattacharyya, Shuvra S. (IEEE, 2025-08-13)
Artikkeli
Distributed sensing through video, audio, radar and other sensors is strongly growing with application areas such as smart homes and Internet of Things. The concept of edge computing proposes shifting signal and data analysis from centralized servers close to the sensors, providing reduction in data communication bandwidth requirements and centralized server computation load as well as improving data privacy. Previous works in the domain of edge computing have paid little attention to formal modeling of computing across devices. This work proposes the VR-PRUNE-E model of computation that is based on the well-known dataflow abstraction. Within VR-PRUNE-E, a specific type of resilient network graph is introduced, which allows the distributed system to continue its operation after the failure of any single node or connection. Besides the formal model, the manuscript introduces the Edge-PRUNE software framework that supports the proposed dataflow abstraction, as well as concrete experimental results on real edge computing scenarios. The explored setups cover networks with up to 128 endpoint nodes and two servers. Application examples cover popular machine learning applications of image classification, object detection and radar signal processing, built on CNN and transformer architectures, extended with redundant system configurations that provide fault tolerance. The proposed work is also benchmarked in terms of processing time and shown to outperform previous work by 34% in computation efficiency.
Opiskeluhuollon hallinta monitoimijaisena yhteistyönä : Ohjausmekanismit hyvinvointialueen ohjaustehtävää jäsentävänä kehyksenä
Kemppainen, Riia Maria; Kork, Anna-Aurora (Hallinnon tutkimuksen seura, 2025-09-22)
Artikkeli
The study explores the governance of Finnish student welfare through multi-actor collabora­tion, focusing on framing the steering function of wellbeing services counties. Using abductive content analysis of expert statements in policy documents concerning legislative reforms, the research found seven governance mechanisms: strategic planning, resource steering, govern­ance accountability, stakeholder engagement, client-centered integration, sustainable part­nerships and comprehensive coordination, that constitute a dynamic and holistic framework for examining strategic steering in multi-actor collaboration. The findings suggest that these mechanisms provide both structure and flex­ibility, enabling the student welfare system to effectively address local needs. This framework offers actionable insights for wellbeing services counties seeking to strengthen multi-actor col­laboration in the governance of student welfare, promoting resilient and context-sensitive ser­vices across regions and circumstances.
Enabling Near-Zero Emissions and Superior Efficiency in Large-Bore, Medium-Speed Engines with a Hydrogen-Argon Power Cycle
Ahammed , Sajid; Ahmad , Zeeshan; Mahmoudzadeh Andwari , Amin; Kakoee, Alireza; Hyvonen , Jari; Mikulski, Maciej (SAE International, 2025-09-07)
Artikkeli
Combustion engines operating on a hydrogen-argon power cycle (H-APC) offer potential for superior thermal efficiency with true zero exhaust emissions. The high specific heat ratio of argon allows extrapolation of the theoretical efficiency of the Otto cycle to almost 90%. However, this potential is significantly constrained by challenges in combustion control, excessive thermal loading, and system integration, particularly regarding argon recovery. This study investigates these trade-offs, within the context of real-world engine-based peaking power plants. An experimentally validated 1D-simulation model of a prototype Wärtsilä 20 DF engine serves as reference for analysis of a retrofit incorporating a closed-loop argon cycle, with dedicated H₂ and O2 injectors, a water condenser and water separator. Engine performance is evaluated at reference operating point of 75% load, considering pre-ignition, peak pressure and exhaust temperature constraints, condenser limitations, and impurity accumulation. Argon emerges as the best monoatomic gas for H-APC. Helium, the second-best candidate, offers superior thermal conductivity and specific heat, but its low density and molecular weight reduce power output. A 90% argon and 10% oxygen mixture offers the optimal trade-off between power output, efficiency, and durability. A compression ratio of 11.90:1 ensures stable combustion within design constraints, while stoichiometric operation and condenser inlet pressure of 3.23 bar enhances performance, achieving the best indicated gross efficiency of 59.10%. This is over 10 percentage points better than the reference engine at 75% load. Nevertheless, practical implementation is limited by pumping losses in a packaging-optimized argon-path layout, reducing extractable efficiency to 56.70%. Furthermore, just 2% impurities in fuel/oxidizer stream causes progressive efficiency decline, falling below the reference threshold after approximately 10 minutes of operation. This highlights the necessity of a membrane-based separator and system volume optimization. The findings establish a validated computational framework for optimizing closed-loop hydrogen combustion and provide valuable insights for progressing demonstrator development.
No-MambAAD : Revitalizing Conv-Only Networks for Unsupervised Anomaly Detection
Fahim, Masud An-Nur Islam; Boutellier, Jani (IEEE, 2025-09-15)
Artikkeli
Most of the current state-of-the-art visual unsupervised anomaly detection (UAD) methods leverage complex neural architecture modules: Transformer-based methods provide high-quality anomaly detection performance due to their global feature extraction capability, similar to the recent Mamba based methods that combine the strengths of CNNs and Transformers. Some of the simpler reconstruction-based UAD methods are purely CNN-based, which offers linear complexity, but is performance-restricted by feature extraction locality. Hence, the architecture variants have inherent design trade-offs: CNNs lacks long-range feature interaction, Transformers struggle with quadratic complexity, and Mamba based solutions suffer in high parameter count and scalability. In this work we propose to revisit CNN-based approaches by introducing novel stripmodulation and gated-mixer mechanisms, and propose No-MambAAD, a novel visual UAD method absent of Mamba and Attention blocks. The proposed method offers similar or better anomaly detection performance than the current state-of-the-art approaches and outperforms the current state-of-the-art across multiple benchmarks with 38% smaller parameter count.